物联网业务监控方法、设备及存储介质技术

本发明专利技术实施例公开了一种物联网业务监控方法、设备及存储介质，应用于物联网技术领域，可解决得到的业务失败的原因准确度不高，并且数据较为散乱，降低数据分析的效率和准确性的问题。该方法包括：获取多个第一业务数据，第一数据包括预设时段内的多个业务事件的业务指标；根据多个第一业务数据，确定多个特征值的门限及贡献度；根据多个特征值的门限及贡献度，构建失败原因码特征库；根据失败原因码特征库，进行多维度质差汇聚，以输出定界数据，定界数据至少包括质差网元、质差终端和质差区域中的至少一项。中的至少一项。中的至少一项。

【技术实现步骤摘要】
物联网业务监控方法、设备及存储介质


[0001]本申请涉及物联网领域，尤其涉及一种物联网业务监控方法、设备及存储介质。

技术介绍

[0002]随着物联网业务的迅猛发展，构建完整的业务感知监控与定界体系，保障用户体验成为助力物联网健康发展的重中之重。目前，主要依据专家经验对业务失败的原因进行定界，确认业务异常的原因，这样得到的业务失败的原因准确度不高，并且数据较为散乱，降低数据分析的效率和准确性。

技术实现思路

[0003]本申请实施例提供了一种物联网业务监控方法、设备及存储介质，用以解决现有技术中得到的业务失败的原因准确度不高，并且数据较为散乱，降低数据分析的效率和准确性的问题。为了解决上述技术问题，本专利技术实施例是这样实现的：
[0004]本申请第一方面提供一种物联网业务监控方法，应用于物联网业务监控设备，可以包括：获取多个第一业务数据，所述第一业务数据包括预设时段内的多个业务事件的业务指标；
[0005]根据所述多个第一业务数据，确定多个特征值的门限及贡献度；
[0006]根据多个特征值的门限及贡献度，构建失败原因码特征库；
[0007]根据所述失败原因码特征库，进行多维度质差汇聚，以输出定界数据，所述定界数据至少包括质差网元、质差终端和质差区域中的至少一项。
[0008]作为一种可选的实施方式，在本专利技术实施例的第一方面中，所述根据所述失败原因码特征库，进行多维度质差汇聚，以输出定界数据之后，所述方法还包括：
[0009]若所述定界数据包括所述质差终端，则汇聚物联网终端以及集团客户信息，并根据关联的终端软件开发工具包SDK单据以及开卡信息，确定目标终端，所述目标终端为存在质差的终端设备；
[0010]若所述定界数据包括所述质差网元，则汇聚小区以及地市信息，并根据关联的无线绩效KPI指标以及测量报告MR，确定目标网元，所述目标网元为存在质差的网元；
[0011]若所述定界数据包括所述质差区域，则汇聚网元MME、UGW以及Sever IP信息，确定目标区域，所述目标区域为存在质差的区域。
[0012]作为一种可选的实施方式，在本专利技术实施例的第一方面中，所述根据所述多个第一业务数据，确定多个特征值的门限及贡献度，包括：
[0013]通过半监督学习算法，将多个第二业务数据输入预设模型计算，以得到与多个特征值对应的目标门限，以及目标贡献度，所述多个第二业务数据为所述多个第一业务数据中的部分数据；
[0014]将多个第三业务数据输入所述预设模型，检测所述预设模型的输出结果与实际数据是否匹配，所述多个第三业务数据为所述多个第一业务数据中除所述多个第二业务数据
以外的数据；
[0015]若匹配，则输出与所述多个特征值对应的所述目标门限，以及所述目标贡献度。
[0016]作为一种可选的实施方式，在本专利技术实施例的第一方面中，所述通过半监督学习算法，将多个第二业务数据输入预设模型计算，以得到与多个特征值对应的目标门限，以及目标贡献度，包括：
[0017]通过所述半监督学习算法，将所述多个第二业务数据输入所述预设模型计算，以得到与所述多个特征值的初始门限，以及初始贡献度；
[0018]删除贡献度小于预设贡献度阈值的特征值，以得到与所述多个特征值对应的所述目标门限，以及所述目标贡献度。
[0019]作为一种可选的实施方式，在本专利技术实施例的第一方面中，所述根据多个特征值的门限及贡献度，构建失败原因码特征库，包括：
[0020]获取失败原因码的基础定界结果库；
[0021]根据关联分析算法，对与所述失败原因码对应的第一业务数据进行深度挖掘；
[0022]根据所述第一业务数据，构建频繁模式树；
[0023]根据所述频繁模式树中从子节点到根节点路径上的每个失败原因码的频繁项集，构建所述失败原因码特征库。
[0024]作为一种可选的实施方式，在本专利技术实施例的第一方面中，所述根据所述失败原因码特征库，进行多维度质差汇聚，以输出定界数据，包括：
[0025]根据所述多个第一业务数据，确定高优先级的失败原因码；
[0026]根据所述失败原因码，确定粗定界的业务定界范围；
[0027]在所述业务定界范围内，进行多维度质差汇聚，以输出所述定界数据。
[0028]作为一种可选的实施方式，在本专利技术实施例的第一方面中，所述在所述业务定界范围内，进行多维度质差汇聚，以输出所述定界数据，包括：
[0029]在所述业务定界范围内，根据劣化贡献度算法，确定每个第一业务数据的劣化分值；
[0030]将所述劣化分值最大的第一业务数据确定为所述定界数据。
[0031]本申请第二方面提供一种物联网业务监控设备，可以包括：
[0032]获取模块，用于获取多个第一业务数据，所述第一业务数据包括预设时段内的多个业务事件的业务指标；
[0033]处理模块，用于根据所述多个第一业务数据，确定多个特征值的门限及贡献度；
[0034]处理模块，用于根据多个特征值的门限及贡献度，构建失败原因码特征库；
[0035]处理模块，用于根据所述失败原因码特征库，进行多维度质差汇聚，以输出定界数据，所述定界数据至少包括质差网元、质差终端和质差区域中的至少一项。
[0036]作为一种可选的实施方式，在本专利技术实施例的第二方面中，
[0037]处理模块，还用于若所述定界数据包括所述质差终端，则汇聚物联网终端以及集团客户信息，并根据关联的终端软件开发工具包SDK单据以及开卡信息，确定目标终端，所述目标终端为存在质差的终端设备；
[0038]处理模块，还用于若所述定界数据包括所述质差网元，则汇聚小区以及地市信息，并根据关联的无线绩效KPI指标以及测量报告MR，确定目标网元，所述目标网元为存在质差
的网元；
[0039]处理模块，还用于若所述定界数据包括所述质差区域，则汇聚网元MME、UGW以及Sever IP信息，确定目标区域，所述目标区域为存在质差的区域。
[0040]作为一种可选的实施方式，在本专利技术实施例的第二方面中，
[0041]处理模块，具体用于通过半监督学习算法，将多个第二业务数据输入预设模型计算，以得到与多个特征值对应的目标门限，以及目标贡献度，所述多个第二业务数据为所述多个第一业务数据中的部分数据；
[0042]处理模块，具体用于将多个第三业务数据输入所述预设模型，检测所述预设模型的输出结果与实际数据是否匹配，所述多个第三业务数据为所述多个第一业务数据中除所述多个第二业务数据以外的数据；
[0043]处理模块，具体用于若匹配，则输出与所述多个特征值对应的所述目标门限，以及所述目标贡献度。
[0044]作为一种可选的实施方式，在本专利技术实施例的第二方面中，
[0045]处理模块，具体用于通过所述半监督学习算法，将所述多个第二业务数据输入所述预设模型计算，以得到与所述多个特征值的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物联网业务监控方法，其特征在于，应用于物联网业务监控设备，包括：获取多个第一业务数据，所述第一业务数据包括预设时段内的多个业务事件的业务指标；根据所述多个第一业务数据，确定多个特征值的门限及贡献度；根据多个特征值的门限及贡献度，构建失败原因码特征库；根据所述失败原因码特征库，进行多维度质差汇聚，以输出定界数据，所述定界数据至少包括质差网元、质差终端和质差区域中的至少一项。2.根据权利要求1所述的方法，其特征在于，所述根据所述失败原因码特征库，进行多维度质差汇聚，以输出定界数据之后，所述方法还包括：若所述定界数据包括所述质差终端，则汇聚物联网终端以及集团客户信息，并根据关联的终端软件开发工具包SDK单据以及开卡信息，确定目标终端，所述目标终端为存在质差的终端设备；若所述定界数据包括所述质差网元，则汇聚小区以及地市信息，并根据关联的无线绩效KPI指标以及测量报告MR，确定目标网元，所述目标网元为存在质差的网元；若所述定界数据包括所述质差区域，则汇聚网元MME、UGW以及Sever IP信息，确定目标区域，所述目标区域为存在质差的区域。3.根据权利要求1所述的方法，其特征在于，所述根据所述多个第一业务数据，确定多个特征值的门限及贡献度，包括：通过半监督学习算法，将多个第二业务数据输入预设模型计算，以得到与多个特征值对应的目标门限，以及目标贡献度，所述多个第二业务数据为所述多个第一业务数据中的部分数据；将多个第三业务数据输入所述预设模型，检测所述预设模型的输出结果与实际数据是否匹配，所述多个第三业务数据为所述多个第一业务数据中除所述多个第二业务数据以外的数据；若匹配，则输出与所述多个特征值对应的所述目标门限，以及所述目标贡献度。4.根据权利要求3所述的方法，其特征在于，所述通过半监督学习算法，将多个第二业务数据输入预设模型计算，以得到与多个特征值对应的目标门限，以及目标贡献度，包括：通过所述半监督学习算法，将所述多个第二业务数据输入所述预设模型计算，以得到与所述多个特征值的初始门限，以及初始贡献度；删除贡献度小于预设贡献度阈...

【专利技术属性】
技术研发人员：郭轩，金振，叶政，陈铮宏，汪渠超，牛坡，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：